本文從一則搞笑的大數(shù)據(jù)應(yīng)用案例入手：某超市通過(guò)分析一位女顧客的購(gòu)物數(shù)據(jù)（包括購(gòu)物清單，瀏覽物品，咨詢(xún)信息，視頻監(jiān)控信息<超市內(nèi)徘徊區(qū)域>等），根據(jù)分析結(jié)果給該女顧客寄來(lái)了孕嬰童試用品，這一舉動(dòng)讓該女顧客的父親非常生氣，立馬致電該超市投訴，因?yàn)樗畠哼€未成年。超市經(jīng)理立馬登門(mén)拜訪(fǎng)道歉，不過(guò)事實(shí)是，不久后這位小女孩因遮蓋不住隆起的腹部而不得不向父親告知真相：她真的懷孕了。對(duì)于企業(yè)而言，大數(shù)據(jù)有時(shí)候就像是一個(gè)偵探家，能夠撥開(kāi)重重迷霧，找到問(wèn)題的本質(zhì)以及解決方案，而關(guān)鍵在于，你是否真的懂得如何去駕馭它，讓它為你服務(wù)。

在經(jīng)歷了喊口號(hào)、布局深耕之后，大數(shù)據(jù)應(yīng)用開(kāi)始顯現(xiàn)出巨大的商業(yè)價(jià)值，觸角已延伸到零售、金融、教育、醫(yī)療、體育、制造、影視、政府等各行各業(yè)。

在維克托·邁爾·舍恩伯格的《大數(shù)據(jù)時(shí)代》一書(shū)中解釋?zhuān)髷?shù)據(jù)是指不用隨機(jī)分析法（抽樣調(diào)查）這樣的捷徑，而采用所有數(shù)據(jù)的方法。大數(shù)據(jù)是繼云計(jì)算、物聯(lián)網(wǎng)之后IT產(chǎn)業(yè)又一次顛覆性的技術(shù)變革，消費(fèi)者的網(wǎng)絡(luò)足跡是互聯(lián)網(wǎng)基因?，网马\械淖慵?、点祸棦浏鲤仮留褳?zāi)苯臃從誠(chéng)顏叩男愿?、偏褐櫌意愿谍xチ換ゴ笫菥褪茄芯棵扛鲇沒(méi)櫧形墓獺４笫荻雜誥梅⒄?、企业决策、讬┋壶r滴窳鞒?，对个人生活方g降榷冀藪蟮撓跋臁?大數(shù)據(jù)作為當(dāng)下非常火爆的一個(gè)詞，其價(jià)值不言而喻，今天，《互聯(lián)網(wǎng)周刊》不談價(jià)值，通過(guò)聚攏一些實(shí)實(shí)在在的應(yīng)用，如電商、傳統(tǒng)金融、互聯(lián)網(wǎng)金融、醫(yī)療、制造五大領(lǐng)域的案例，進(jìn)而衍射出大數(shù)據(jù)內(nèi)在的應(yīng)用邏輯。

“用戶(hù)畫(huà)像”直擊零售商需求

在如此激烈而又龐大的市場(chǎng)中，電商們迫切想知道的想必就是用戶(hù)需求。當(dāng)這個(gè)用戶(hù)登陸網(wǎng)站的瞬間，就能猜出來(lái)這個(gè)用戶(hù)今天為何而來(lái)，然后從電商的商品庫(kù)里面把合適的商品找出來(lái)并推薦給他，進(jìn)而展現(xiàn)出符合客戶(hù)需求的產(chǎn)品都有哪幾款。這種服務(wù)是消費(fèi)者想要的，但是誰(shuí)能幫助電商們做到呢？

隨著互聯(lián)網(wǎng)和電子商務(wù)的快速發(fā)展，“用戶(hù)畫(huà)像”這個(gè)概念悄然而生，它抽象地描述了一個(gè)用戶(hù)的信息全貌，是進(jìn)行個(gè)性化推薦、精準(zhǔn)營(yíng)銷(xiāo)、廣告投放等應(yīng)用的基礎(chǔ)。

如某電子商務(wù)平臺(tái)通過(guò)客戶(hù)的網(wǎng)絡(luò)瀏覽記錄（點(diǎn)擊、鏈接等）和購(gòu)買(mǎi)記錄等掌握客戶(hù)的消費(fèi)模式，從而分析并分類(lèi)客戶(hù)的消費(fèi)相關(guān)特性如收入、家庭特征、購(gòu)買(mǎi)習(xí)慣等，最終掌握客戶(hù)特征，并基于這些特征判斷其可能關(guān)注的產(chǎn)品與服務(wù)，從消費(fèi)者進(jìn)入網(wǎng)站開(kāi)始，在列表頁(yè)、單品頁(yè)、購(gòu)物車(chē)頁(yè)等四個(gè)頁(yè)面，部署了5種應(yīng)用不同算法的推薦欄為其推薦感興趣的商品，從提高商品曝光，促進(jìn)交叉/向上銷(xiāo)售兩個(gè)角度對(duì)網(wǎng)站進(jìn)行全面的優(yōu)化，應(yīng)用后商城提升下定訂單轉(zhuǎn)化率增長(zhǎng)66.7%、下定商品轉(zhuǎn)化率增長(zhǎng)18%、推薦欄上線(xiàn)前后動(dòng)銷(xiāo)量增長(zhǎng)46%。將消除個(gè)人信息后的數(shù)據(jù)魔方賣(mài)給商家，方便商家調(diào)整產(chǎn)品投放策略，提升服務(wù)，精準(zhǔn)挽留客戶(hù)，進(jìn)而提高客戶(hù)黏性。

還有，在互聯(lián)網(wǎng)沖擊下，大部分傳統(tǒng)零售商必須要做改變，大數(shù)據(jù)下的用戶(hù)思維便成為符合其需求的一種互聯(lián)網(wǎng)思維方式和實(shí)際體驗(yàn)。那何為大數(shù)據(jù)體系下的用戶(hù)思維呢？其實(shí)就是以“用戶(hù)畫(huà)像”最為核心和基礎(chǔ)，通過(guò)線(xiàn)上、線(xiàn)下，交易、交互等各種結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，讓用戶(hù)更加完整的展現(xiàn)在企業(yè)面前，該用戶(hù)是誰(shuí)？她在哪里？怎么聯(lián)系到她？她需要什么產(chǎn)品？她通過(guò)哪些渠道購(gòu)買(mǎi)？她的購(gòu)買(mǎi)習(xí)慣是怎樣的？??，在完整的用戶(hù)畫(huà)像面前，零售企業(yè)相對(duì)于面對(duì)“裸泳”的用戶(hù)，用戶(hù)需要什么，怎么獲取，怎么營(yíng)銷(xiāo)一目了然。未來(lái)的經(jīng)濟(jì)將越來(lái)越是一個(gè)消費(fèi)者體驗(yàn)式經(jīng)濟(jì)，誰(shuí)能在精準(zhǔn)刻畫(huà)消費(fèi)者畫(huà)像的同時(shí)提升消費(fèi)者體驗(yàn)，誰(shuí)就將引領(lǐng)并占有市場(chǎng)。

客戶(hù)價(jià)值最大化破冰傳統(tǒng)金融業(yè)

在大數(shù)據(jù)時(shí)代，越來(lái)越多的企業(yè)管理者已意識(shí)到了業(yè)務(wù)分析的重要性。業(yè)務(wù)分析洞察已經(jīng)成為了企業(yè)轉(zhuǎn)型的有利抓手。當(dāng)然，銀行也不例外，從以產(chǎn)品為中心，也就是銷(xiāo)售產(chǎn)品和服務(wù)轉(zhuǎn)向現(xiàn)在以客戶(hù)為中心，更像零售業(yè)和制造商。對(duì)于以客戶(hù)為中心的企業(yè)，最重要的一點(diǎn)是了解到客戶(hù)到底是誰(shuí)，以及客戶(hù)到底有怎樣的需求。

當(dāng)下，銀行業(yè)都在大力投入資金做著以下三件事：一是建立客戶(hù)的單一視窗，將以前不同銀行部門(mén)所了解的客戶(hù)情況集成在一起；二是按照用戶(hù)行為對(duì)用戶(hù)進(jìn)行分類(lèi)，將之前按照地理區(qū)域、年齡、收入分類(lèi)改為按照用戶(hù)行為來(lái)對(duì)用戶(hù)進(jìn)行分類(lèi)；三是為客戶(hù)提供質(zhì)量一致的客戶(hù)體驗(yàn)，不管用戶(hù)通過(guò)銀行網(wǎng)點(diǎn)、移動(dòng)設(shè)備還是社交媒體等渠道來(lái)使用銀行服務(wù)，都要為客戶(hù)提供質(zhì)量一致的體驗(yàn)。

隨著互聯(lián)網(wǎng)，特別是移動(dòng)互聯(lián)網(wǎng)的不斷發(fā)展，互聯(lián)網(wǎng)金融也在給傳統(tǒng)金融業(yè)帶來(lái)不小的沖擊，不過(guò)，互聯(lián)網(wǎng)金融是否會(huì)對(duì)銀行等傳統(tǒng)機(jī)構(gòu)構(gòu)成威脅仍無(wú)法得出定論。但是，這并不表示銀行業(yè)可以忽視這股沖擊的浪潮，在這個(gè)大數(shù)據(jù)不斷壯大的時(shí)代，傳統(tǒng)金融業(yè)如何利用大數(shù)據(jù)來(lái)不斷創(chuàng)新與變革，如何借助大數(shù)據(jù)降低金融風(fēng)險(xiǎn)，提升客戶(hù)體驗(yàn)，進(jìn)而挖掘客戶(hù)價(jià)值最大化是每個(gè)企業(yè)都應(yīng)該深入思考的問(wèn)題。

如某金融全牌照集團(tuán)公司希望學(xué)習(xí)美國(guó)花旗集團(tuán)對(duì)已有客戶(hù)價(jià)值挖掘最大化的經(jīng)驗(yàn)，對(duì)現(xiàn)有保險(xiǎn)客戶(hù)進(jìn)行深度分析，通過(guò)對(duì)已有客戶(hù)的大數(shù)據(jù)分析及問(wèn)卷調(diào)查來(lái)細(xì)分人群、刻畫(huà)人群需求特征，從而制定針對(duì)不同客戶(hù)群體的集保險(xiǎn)、銀行、投資、證券、資產(chǎn)管理、信托等一攬子綜合金融產(chǎn)品策略，為客戶(hù)提供一站式財(cái)務(wù)金融解決方案，以期得到每個(gè)客戶(hù)最大價(jià)值。

在選用大數(shù)據(jù)解決方案后，通過(guò)分析已有保險(xiǎn)客戶(hù)數(shù)據(jù)及外部調(diào)研問(wèn)卷，將人群細(xì)分為統(tǒng)計(jì)學(xué)上顯著區(qū)別的人群；根據(jù)群體規(guī)模、年齡、性別、教育水平、家庭特征、現(xiàn)階段的收入、消費(fèi)、理財(cái)?shù)刃袨槟Ｊ揭约八麄兯幍纳c財(cái)富階段，精準(zhǔn)分析群體的需求動(dòng)因后制定有針對(duì)性的產(chǎn)品策略及營(yíng)銷(xiāo)策略。

面對(duì)來(lái)勢(shì)洶洶的互聯(lián)網(wǎng)企業(yè)，傳統(tǒng)金融業(yè)們也在加快步伐，但還是沒(méi)有互聯(lián)網(wǎng)企業(yè)動(dòng)作快。目前，互聯(lián)網(wǎng)金融業(yè)正從單純的支付業(yè)務(wù)向轉(zhuǎn)賬匯款、跨境結(jié)算、小額信貸、現(xiàn)金管理、資產(chǎn)管理、供應(yīng)鏈金融、基金和保險(xiǎn)代銷(xiāo)、信用卡還款等傳統(tǒng)銀行業(yè)務(wù)領(lǐng)域滲透。除了存款，銀行的主要業(yè)務(wù)幾乎已遇到全面挑戰(zhàn)?；ヂ?lián)網(wǎng)金融正在叫板傳統(tǒng)金融，傳統(tǒng)金融業(yè)又該何去何從？值得思考。

精準(zhǔn)營(yíng)銷(xiāo)加速互聯(lián)網(wǎng)金融沖刺

在國(guó)外，大數(shù)據(jù)金融領(lǐng)域的應(yīng)用相對(duì)成熟，我們先來(lái)回顧一下在美國(guó)做得非常典型的大數(shù)據(jù)金融的三大案例。

人們習(xí)慣性地認(rèn)為，只有銀行才能建立信用體系，然而在大數(shù)據(jù)時(shí)代，互聯(lián)網(wǎng)公司運(yùn)用大數(shù)據(jù)控制信貸風(fēng)險(xiǎn)已初露端倪。

在進(jìn)行數(shù)據(jù)處理之前，對(duì)業(yè)務(wù)的理解、對(duì)數(shù)據(jù)的理解非常重要，這決定了要選取哪些數(shù)據(jù)源進(jìn)行數(shù)據(jù)挖掘，而且越來(lái)越多的互聯(lián)網(wǎng)在線(xiàn)動(dòng)態(tài)大數(shù)據(jù)被添加進(jìn)來(lái)。例如一個(gè)虛假的借款申請(qǐng)人信息就可以通過(guò)分析網(wǎng)絡(luò)行為痕跡被識(shí)別出來(lái)，一個(gè)真實(shí)的互聯(lián)網(wǎng)用戶(hù)總會(huì)在網(wǎng)絡(luò)上留下蛛絲馬跡。對(duì)征信有用的數(shù)據(jù)的時(shí)效性也非常關(guān)鍵，通常被征信行業(yè)公認(rèn)的有效的動(dòng)態(tài)數(shù)據(jù)通常是從現(xiàn)在開(kāi)始倒推24個(gè)月的數(shù)據(jù)。?通過(guò)多渠道獲得的數(shù)據(jù)來(lái)源，利用數(shù)學(xué)運(yùn)算和統(tǒng)計(jì)學(xué)的模型進(jìn)行分析，從而評(píng)估出借款者的信用風(fēng)險(xiǎn)，典型的企業(yè)是美國(guó)的ZestFinance。這家企業(yè)的大部分員工是數(shù)據(jù)科學(xué)家，他們并不特別地依賴(lài)于信用擔(dān)保行業(yè)，用大數(shù)據(jù)分析進(jìn)行風(fēng)險(xiǎn)控制是ZestFinance的核心技術(shù)。他們的原始數(shù)據(jù)來(lái)源非常廣泛。犓塹氖莨こУ暮誦募際鹺突蓯撬強(qiáng)⒌?0個(gè)基于學(xué)習(xí)機(jī)器的分析模型，對(duì)每位信貸申請(qǐng)人的超過(guò)1萬(wàn)條原始信息數(shù)據(jù)進(jìn)行分析，并得出超過(guò)7萬(wàn)個(gè)可對(duì)其行為做出測(cè)量的指標(biāo)，而這一過(guò)程在5秒鐘內(nèi)就能全部完成。事實(shí)上，在美國(guó)，征信公司或者大數(shù)據(jù)挖掘公司的產(chǎn)品不僅用于提供給相關(guān)企業(yè)用于降低金融信貸行業(yè)的風(fēng)險(xiǎn)，同時(shí)也用于幫助做決策判斷和市場(chǎng)營(yíng)銷(xiāo)，還有，利用社交網(wǎng)站的大數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)借貸的典型是美國(guó)的Lending Club。Lending club于2007年5月24日在facebook上開(kāi)張，通過(guò)在上面鑲嵌的一款應(yīng)用搭建借貸雙方平臺(tái)。利用社交網(wǎng)絡(luò)關(guān)系數(shù)據(jù)和朋友之間的相互信任聚合人氣。借款人被分為若干信用等級(jí)，但是卻不必公布自己的信用歷史。?還有犚患以諉攔仙碳姨峁┙鶉諦糯竦墓綤abbage，于2010年4月上線(xiàn)，主要目標(biāo)客戶(hù)是ebay、Amazon、PayPal等電商。它的奇特之處在于，其通過(guò)獲取ebay等公司的網(wǎng)店店主的銷(xiāo)售、信用記錄、顧客流量、評(píng)論、商品價(jià)格和存貨等信息，以及他們?cè)贔acebook和Twitter上與客戶(hù)的互動(dòng)信息，借助數(shù)據(jù)挖掘技術(shù)，把這些店主分成不同的風(fēng)險(xiǎn)等級(jí)，以此來(lái)確定提供貸款金額數(shù)量與貸款利率水平，風(fēng)險(xiǎn)過(guò)高則拒絕，風(fēng)險(xiǎn)高低與利率成正比，與貸款金額成反比。

顯然，若以銀行體系來(lái)評(píng)價(jià)這類(lèi)網(wǎng)上商家大多數(shù)都不符合銀行的貸款資格，不過(guò)在互聯(lián)網(wǎng)時(shí)代，Kabbage的案例說(shuō)明了運(yùn)用大量數(shù)據(jù)足以支撐這些小微企業(yè)信用評(píng)價(jià)體系。當(dāng)然，Kabbage的這種模式也在國(guó)內(nèi)被成功運(yùn)用，其中，宜信的互聯(lián)網(wǎng)金融產(chǎn)品就是以互聯(lián)網(wǎng)為獲客主要渠道，除了借貸信用記錄，還結(jié)合大數(shù)據(jù)分析技術(shù)，捕捉來(lái)自大眾點(diǎn)評(píng)、豆瓣等社交網(wǎng)絡(luò)上的有用信息，幫助信用審核人員多維度分析借款客戶(hù)的信用狀況。

大數(shù)據(jù)對(duì)于互聯(lián)網(wǎng)金融的助推作用首要體現(xiàn)在尋找合適的目標(biāo)用戶(hù)，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)?；ヂ?lián)網(wǎng)金融領(lǐng)域的新創(chuàng)企業(yè)或做貸款，或賣(mài)產(chǎn)品，憑借高額收益率，手續(xù)費(fèi)優(yōu)惠，吸引用戶(hù)選擇自己。然而，在越來(lái)越多同類(lèi)企業(yè)吹響混戰(zhàn)號(hào)角的同時(shí)，互聯(lián)網(wǎng)金融企業(yè)也不得不面對(duì)來(lái)自同行業(yè)的競(jìng)爭(zhēng)。欲在競(jìng)爭(zhēng)激烈的市場(chǎng)中占有一席之地，互聯(lián)網(wǎng)金融企業(yè)需要更精準(zhǔn)地定位產(chǎn)品，并推送給自己的目標(biāo)人群。誰(shuí)是潛在的購(gòu)買(mǎi)者？如何找到他們？并讓他們產(chǎn)生興趣？精準(zhǔn)營(yíng)銷(xiāo)的實(shí)現(xiàn)程度是互聯(lián)網(wǎng)金融企業(yè)存活與崛起的關(guān)鍵所在，這個(gè)領(lǐng)域雖然未達(dá)到成熟的發(fā)展?fàn)顟B(tài)，但確實(shí)已經(jīng)有了一些有參考價(jià)值的營(yíng)銷(xiāo)案例。如：

大數(shù)據(jù)通過(guò)動(dòng)態(tài)定向技術(shù)查看互聯(lián)網(wǎng)用戶(hù)近期瀏覽過(guò)的理財(cái)網(wǎng)站，搜索過(guò)的關(guān)鍵詞，通過(guò)瀏覽數(shù)據(jù)建立用戶(hù)模型，進(jìn)行產(chǎn)品實(shí)時(shí)推薦的優(yōu)化投放，直擊用戶(hù)所需。

其次就是風(fēng)控。通過(guò)分析大量的網(wǎng)絡(luò)交易及行為數(shù)據(jù)，可對(duì)用戶(hù)進(jìn)行信用評(píng)估，這些信用評(píng)估可以幫助互聯(lián)網(wǎng)金融企業(yè)對(duì)用戶(hù)的還款意愿及還款能力做出結(jié)論，繼而為用戶(hù)提供快速授信及現(xiàn)金分期服務(wù)。

事實(shí)上一個(gè)人或一個(gè)群體的信用好壞取決于諸多變量，如收入、資產(chǎn)、個(gè)性、習(xí)慣等，且呈動(dòng)態(tài)變化狀態(tài)?？梢哉f(shuō)數(shù)據(jù)在個(gè)人信用體系中體現(xiàn)為芝麻信用，它便于解決陌生人之間以及商業(yè)交易場(chǎng)景中最基本的身份可信性問(wèn)題，以及幫助互聯(lián)網(wǎng)金融產(chǎn)品和服務(wù)的提供者識(shí)別風(fēng)險(xiǎn)與危機(jī)。這些數(shù)據(jù)廣泛來(lái)源于網(wǎng)上銀行，電商網(wǎng)站，社交網(wǎng)絡(luò)，招聘網(wǎng)，婚介網(wǎng)，公積金社保網(wǎng)站，交通運(yùn)輸網(wǎng)站，搜索引擎，最終聚合形成個(gè)人身份認(rèn)證，工作及教育背景認(rèn)證，軟信息（包括消費(fèi)習(xí)慣，興趣愛(ài)好，影響力，社交網(wǎng)絡(luò)）等維度的信息。

對(duì)于P2P網(wǎng)貸行業(yè)而言，能否利用互聯(lián)網(wǎng)技術(shù)有效地搜集用戶(hù)信息，并對(duì)用戶(hù)的信用信息進(jìn)行判定和管理，成為考量一家P2P網(wǎng)貸平臺(tái)風(fēng)控水平的重要標(biāo)準(zhǔn)。嚴(yán)密的風(fēng)控手段是保證平臺(tái)出借人的資金安全的重要環(huán)節(jié)，在風(fēng)控技術(shù)手段創(chuàng)新探索方面，宜信宜人貸作為行業(yè)技術(shù)創(chuàng)新的代表，顯然走得更快人一步。其已通過(guò)精確的風(fēng)險(xiǎn)建模，實(shí)現(xiàn)了對(duì)用戶(hù)資質(zhì)的高效審批，為用戶(hù)提供更便捷的體驗(yàn)。它是基于對(duì)自身平臺(tái)數(shù)萬(wàn)名借款用戶(hù)的了解，同時(shí)借鑒宜信八年累積的對(duì)于用戶(hù)的了解，從地域、年齡段、職業(yè)、等多維度對(duì)借款用戶(hù)進(jìn)行了劃分，通過(guò)精確的風(fēng)險(xiǎn)模型建立，宜信宜人貸建立了一套獨(dú)有的，行之有效的信用評(píng)估系統(tǒng)，通過(guò)對(duì)用戶(hù)信息的多維度考察，能夠快速對(duì)用戶(hù)的信用資質(zhì)進(jìn)行評(píng)定，從而極大地提升服務(wù)效率。

P2P小額信貸機(jī)構(gòu)如何使用個(gè)人及機(jī)構(gòu)的外部數(shù)據(jù)建立自己的征信系統(tǒng)，在極其有限的客戶(hù)實(shí)質(zhì)接觸基礎(chǔ)上僅憑問(wèn)卷數(shù)據(jù)、自有數(shù)據(jù)庫(kù)等對(duì)不同客戶(hù)進(jìn)行信用評(píng)估，并結(jié)合內(nèi)部業(yè)務(wù)數(shù)據(jù)建立風(fēng)險(xiǎn)定價(jià)系統(tǒng)、風(fēng)險(xiǎn)預(yù)警系統(tǒng)、風(fēng)險(xiǎn)管控方案、應(yīng)對(duì)欺詐規(guī)則、懲罰方案等一系列影響核心業(yè)務(wù)盈利能力的系統(tǒng)方案是機(jī)構(gòu)盈利模式的核心。采用大數(shù)據(jù)解決方案后，通過(guò)自建、購(gòu)買(mǎi)、客戶(hù)授權(quán)后合作分享等多種方式整合包括互聯(lián)網(wǎng)社交網(wǎng)絡(luò)數(shù)據(jù)在內(nèi)的多種數(shù)據(jù)、建立個(gè)人及機(jī)構(gòu)消費(fèi)、借貸、財(cái)務(wù)交易、資金往來(lái)等多源信用數(shù)據(jù)庫(kù)，在此基礎(chǔ)上建立符合自身業(yè)務(wù)范圍的客制化信用評(píng)估模型，根據(jù)此模型評(píng)估借、貸款雙方的信用等級(jí)。通過(guò)建模確立如何匹配借貸雙方，與具體業(yè)務(wù)相應(yīng)的風(fēng)險(xiǎn)評(píng)級(jí)、授權(quán)等級(jí)、額度發(fā)放等級(jí)以及與此相應(yīng)的風(fēng)險(xiǎn)價(jià)格等，并通過(guò)已有拖欠、欺詐案例反饋回模型進(jìn)行機(jī)器識(shí)別，進(jìn)一步完善模型。

未來(lái)，依托于互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)的發(fā)展，相信將會(huì)出現(xiàn)更優(yōu)質(zhì)，更便捷的P2P網(wǎng)貸服務(wù)，來(lái)幫助更多有信用的借款人釋放信用的價(jià)值，讓信用生金。

個(gè)性化數(shù)據(jù)為醫(yī)療插上智慧的翅膀

凱文·凱利（KK）在《失控》的第22章，“預(yù)言機(jī)”里曾提到：信息就是數(shù)據(jù)，數(shù)據(jù)一旦流動(dòng)，就創(chuàng)造出透明。社會(huì)一旦聯(lián)網(wǎng)，就可以了解自己。所以，很多熱衷于大數(shù)據(jù)概念的人，他知道哪里有數(shù)據(jù)，卻沒(méi)有辦法去促成數(shù)據(jù)的流動(dòng)。

所以，第一要義，數(shù)據(jù)如何才能形成流動(dòng)？它的驅(qū)動(dòng)力在哪里？以現(xiàn)在很熱的醫(yī)療健康大數(shù)據(jù)為例，來(lái)探究數(shù)據(jù)是如何流動(dòng)的？

維克托·邁爾-舍恩伯格的《大數(shù)據(jù)時(shí)代》一書(shū)中有兩個(gè)關(guān)于大數(shù)據(jù)與公共衛(wèi)生結(jié)合的案例令人印象深刻：

喬布斯自罹癌至離世長(zhǎng)達(dá)8年之久，這幾乎創(chuàng)造了胰腺癌歷史上的奇跡。據(jù)悉，喬布斯曾在此期間支付大量費(fèi)用獲得了自己包括整個(gè)基因密碼在內(nèi)的數(shù)據(jù)文檔。借此，醫(yī)生們能基于喬的特定基因組成以及大數(shù)據(jù)按所需效果用藥，并調(diào)整醫(yī)療方案。

（薛女士點(diǎn)評(píng)：個(gè)性化治療，基于基因分析的個(gè)性化用藥及診療雖然目前還比較昂貴，但它是未來(lái)人類(lèi)財(cái)富水平提高后高端醫(yī)療的一個(gè)趨勢(shì)，而且成本也會(huì)隨著大數(shù)據(jù)模型的完善逐漸降低，變得越來(lái)越親民）

如果上述案例是個(gè)體的，那么帶來(lái)群體價(jià)值的案例，便是Google成功預(yù)測(cè)流感爆發(fā)期。2009年甲型H1N1流感爆發(fā)幾周前，Google通過(guò)對(duì)人們網(wǎng)上搜索記錄的觀察、分析、建模，結(jié)果顯示，他們的預(yù)測(cè)與官方數(shù)據(jù)的相關(guān)性高達(dá)97%，且判斷比疾控中心更及時(shí)。

（薛女士點(diǎn)評(píng)：這個(gè)案例里流行病的預(yù)測(cè)完全是基于搜索引擎用戶(hù)終端的第一手時(shí)空數(shù)據(jù)，它是疾病時(shí)空分析的一個(gè)代表，類(lèi)似的研究還有霧霾源頭、傳播、流動(dòng)的時(shí)空分析，肺癌等疾病的時(shí)空分析。）

從個(gè)人健康管理到公共健康管理，大數(shù)據(jù)在對(duì)個(gè)人醫(yī)療的改變以及極富價(jià)值的預(yù)警能力吸引著IT巨頭們迫不及待與醫(yī)療聯(lián)姻。例如在中國(guó)，某慢性病管理遠(yuǎn)程醫(yī)療解決方案供應(yīng)商計(jì)劃外包商保的糖尿病遠(yuǎn)程管理業(yè)務(wù)，需要提供：人群的糖尿病管理方案包括接觸、回應(yīng)、問(wèn)卷、回饋、互動(dòng)、宣教、指導(dǎo)、測(cè)試結(jié)果報(bào)告、產(chǎn)品銷(xiāo)售等各個(gè)環(huán)節(jié)的方案設(shè)計(jì)以及人群配合度、依從性、短期及長(zhǎng)期醫(yī)療效果、經(jīng)濟(jì)效果評(píng)估方案。遠(yuǎn)程醫(yī)療提供方方案中的的成本、經(jīng)濟(jì)效益回報(bào)會(huì)作為與商保、社保合作方案中的重要組成部分。

（薛女士點(diǎn)評(píng)：這種慢性病管理的解決方案設(shè)計(jì)在國(guó)外已經(jīng)比較成熟，但面對(duì)中國(guó)獨(dú)特國(guó)情即人口還未深度老齡化、重治療輕預(yù)防理念未完全轉(zhuǎn)變、醫(yī)?；鹩噙\(yùn)營(yíng)、人們還未充分意識(shí)到防未病、治輕癥的長(zhǎng)遠(yuǎn)經(jīng)濟(jì)效益、對(duì)慢病管理的費(fèi)用還單純視為開(kāi)支，慢性病管理被醫(yī)保采納，按照大數(shù)據(jù)解決方案被執(zhí)行及深入人民群眾的生活還有很長(zhǎng)的路要走。）

通過(guò)采用大數(shù)據(jù)解決方案，利用既往研究、文獻(xiàn)及歷史數(shù)據(jù)中的結(jié)果為外包業(yè)務(wù)人群設(shè)計(jì)糖尿病病管理全流程數(shù)據(jù)分析方案，包括數(shù)據(jù)生成、采集、分析方案等，依據(jù)一定假設(shè)利用糖尿病決策樹(shù)模型來(lái)逐層確定慢病管理各個(gè)環(huán)節(jié)中的成本及產(chǎn)出。應(yīng)接觸人群、反饋人群、互動(dòng)人群、依從人群、效果人群、對(duì)比人群生成及最終的醫(yī)療效果、經(jīng)濟(jì)效果評(píng)估方案是本項(xiàng)目的關(guān)鍵。利用遠(yuǎn)程終端的客戶(hù)反饋數(shù)據(jù)分析提高客戶(hù)反饋、依從、購(gòu)買(mǎi)產(chǎn)品的策略，平衡成本與樣本規(guī)模，提高供應(yīng)商的投產(chǎn)比；使用統(tǒng)計(jì)學(xué)方法清楚論證及展示慢性病管理遠(yuǎn)程醫(yī)療解決方案的醫(yī)療夾著及經(jīng)濟(jì)學(xué)價(jià)值，投入產(chǎn)出比。

雖然我們談了許多關(guān)于醫(yī)療行業(yè)大數(shù)據(jù)的價(jià)值和作用，但今天的大數(shù)據(jù)在醫(yī)療行業(yè)應(yīng)用仍然處于初級(jí)應(yīng)用的階段，部分醫(yī)療機(jī)構(gòu)僅使用了初級(jí)功能如BI等，要想讓醫(yī)療行業(yè)把大數(shù)據(jù)發(fā)揮出最大的價(jià)值，需要解決以下幾方面問(wèn)題：

從技術(shù)角度來(lái)看，數(shù)據(jù)采集及標(biāo)準(zhǔn)問(wèn)題。收集數(shù)據(jù)是大數(shù)據(jù)基礎(chǔ)，但目前醫(yī)療機(jī)構(gòu)采集數(shù)據(jù)的規(guī)范度有限，阻礙了大數(shù)據(jù)的應(yīng)用；從醫(yī)療經(jīng)營(yíng)角度來(lái)看，管理層缺乏數(shù)據(jù)價(jià)值認(rèn)知問(wèn)題。雖然目前醫(yī)療機(jī)構(gòu)領(lǐng)導(dǎo)們對(duì)于數(shù)據(jù)的重視程度很高，但是范圍僅僅局限于對(duì)于內(nèi)部的數(shù)據(jù)認(rèn)知，從總體來(lái)看，并沒(méi)有意識(shí)到外部數(shù)據(jù)如互聯(lián)網(wǎng)數(shù)據(jù)與內(nèi)部數(shù)據(jù)的結(jié)合所產(chǎn)生的價(jià)值；從投入成本角度來(lái)看，現(xiàn)在大數(shù)據(jù)的投入產(chǎn)出比不明確。現(xiàn)在IT投資都需要講ROI(投資回報(bào)率)，由于醫(yī)療行業(yè)缺乏大數(shù)據(jù)的成熟案例，考慮到成本因素，企業(yè)決策者大都不都不敢隨便在大數(shù)據(jù)領(lǐng)域砸錢(qián)；從產(chǎn)品角度來(lái)看，大數(shù)據(jù)產(chǎn)品單一，行業(yè)成熟度不夠。

（薛女士點(diǎn)評(píng)：從數(shù)據(jù)存儲(chǔ)與分享的角度來(lái)看，醫(yī)療數(shù)據(jù)的社會(huì)共享度很差，每個(gè)醫(yī)院都為自己數(shù)據(jù)的存儲(chǔ)、備份、遷移大傷腦筋，不愿意花更多精力與成本開(kāi)發(fā)基于數(shù)據(jù)的疾病預(yù)防與管理。個(gè)性化治療、傳染病流行病防治、臨床路徑、詢(xún)證醫(yī)學(xué)、基因測(cè)序治療??很多知識(shí)產(chǎn)權(quán)像金子一樣可以從數(shù)據(jù)中二次、三次開(kāi)發(fā)出來(lái)，而坐在金礦上的人明白自己暫時(shí)還不具備挖掘金礦的能力，但也不愿意請(qǐng)別人來(lái)挖掘或是聯(lián)合其他礦主共同開(kāi)發(fā)。）

從以上問(wèn)題我們可以看出，醫(yī)療行業(yè)開(kāi)展大數(shù)據(jù)仍然有一段路要走，不過(guò)面對(duì)所存在的問(wèn)題，未來(lái)隨著技術(shù)的推進(jìn)、意識(shí)的提高、成本的下降以及相關(guān)政策的成熟，相信用不了幾年時(shí)間就可以逐步解決問(wèn)題，未來(lái)，大數(shù)據(jù)必然能夠?yàn)獒t(yī)療行業(yè)提供更好的服務(wù)。

數(shù)據(jù)分析模型讓制造業(yè)煥然一新

工業(yè)4.0時(shí)代正撲面而來(lái)。這是繼以蒸汽機(jī)、大規(guī)模流水線(xiàn)生產(chǎn)和電氣自動(dòng)化為標(biāo)志的前三次工業(yè)革命之后的第四次工業(yè)革命。其特點(diǎn)是通過(guò)充分利用嵌入式控制系統(tǒng)，即物理信息融合系統(tǒng)（其中大數(shù)據(jù)扮演主角），實(shí)現(xiàn)制造業(yè)向智能化轉(zhuǎn)型。

20年滄桑巨變，今天中國(guó)已是全球制造業(yè)大國(guó)。來(lái)自中國(guó)工業(yè)與信息化部的統(tǒng)計(jì)數(shù)據(jù)顯示，2013年中國(guó)工業(yè)占GDP的37%，提供全國(guó)25%的就業(yè)崗位。在500余種工業(yè)產(chǎn)品中，有220多種產(chǎn)量居世界第一。中國(guó)制造業(yè)在全球的占比約為20%。然而，中國(guó)制造業(yè)面對(duì)云蒸霞蔚的移動(dòng)互聯(lián)網(wǎng)和大數(shù)據(jù)景觀卻有些不知所措，若不趕緊扭轉(zhuǎn)局面，有可能逐漸喪失制造業(yè)大國(guó)的地位。大而不強(qiáng)是我們的軟肋，大多數(shù)中國(guó)工廠(chǎng)依然龜縮在產(chǎn)業(yè)鏈低端，缺少制造的核心材料、設(shè)備、工藝，停留在近乎原始的OEM（貼牌代工）階段，缺乏原創(chuàng)技術(shù)和創(chuàng)新產(chǎn)品。不過(guò)，憑借龐大的內(nèi)需市場(chǎng)支撐，中國(guó)制造的優(yōu)勢(shì)尚存，13億人口積累的消費(fèi)數(shù)據(jù)十分可觀。因此，如果能在大數(shù)據(jù)挖掘和分析上下點(diǎn)功夫，中國(guó)制造業(yè)還能保持較強(qiáng)的競(jìng)爭(zhēng)力。

在中國(guó)制造業(yè)依托大數(shù)據(jù)打翻身仗的陣營(yíng)中，小米可謂特立獨(dú)行的領(lǐng)頭羊。2010年成立的小米公司是中國(guó)制造業(yè)企業(yè)的成功典范，其主打產(chǎn)品小米手機(jī)已蜚聲海外，被業(yè)內(nèi)視作蘋(píng)果、三星的潛在威脅。小米超越同行的業(yè)績(jī)，緣于其用包括軟件、硬件和應(yīng)用生態(tài)的整體方法，小米在創(chuàng)造全新用戶(hù)體驗(yàn)的同時(shí)，高擎大數(shù)據(jù)的旗幟，顛覆了中國(guó)制造業(yè)公司的傳統(tǒng)做法。有了這樣的底氣，小米董事長(zhǎng)雷軍才敢與傳統(tǒng)制造業(yè)的空調(diào)玫瑰—格力掌門(mén)人董明珠立下10億元的對(duì)賭承諾。

那么，大數(shù)據(jù)是如何幫助研發(fā)人員提高新藥研發(fā)效率的呢？相關(guān)專(zhuān)業(yè)人士認(rèn)為：首先，由于藥物的生物過(guò)程和藥物模型越來(lái)越復(fù)雜，大數(shù)據(jù)可以通過(guò)利用分子和臨床數(shù)據(jù)，預(yù)測(cè)建模來(lái)幫助識(shí)別那些具有很高可能性被成功開(kāi)發(fā)為藥物的安全有效的潛力備選新分子。其次，利用大數(shù)據(jù)可以幫助提升臨床試驗(yàn)的效率。例如篩選臨床試驗(yàn)受試者的篩選標(biāo)準(zhǔn)通過(guò)大數(shù)據(jù)，可以瞄準(zhǔn)特定人群，這樣臨床試驗(yàn)就可以規(guī)模更小、時(shí)間更短、成本更低，更加有效。同時(shí)可以通過(guò)大數(shù)據(jù)分析來(lái)實(shí)時(shí)監(jiān)控臨床試驗(yàn)，及早發(fā)現(xiàn)可能出現(xiàn)的問(wèn)題，避免試驗(yàn)過(guò)程中成本增加或出現(xiàn)不必要的延誤。第三，相對(duì)于原來(lái)僵化的數(shù)據(jù)孤島，使用大數(shù)據(jù)可以幫助數(shù)據(jù)在不同功能單元之間順暢流動(dòng)。通過(guò)打破內(nèi)部各功能之間的信息壁壘并提升跟外部合作伙伴的協(xié)作，制藥公司可以大幅擴(kuò)展他們的知識(shí)和數(shù)據(jù)網(wǎng)絡(luò)，如與外部合作伙伴——醫(yī)生和CRO共享關(guān)鍵數(shù)據(jù)。數(shù)據(jù)的這種順暢流動(dòng)，對(duì)能創(chuàng)造商業(yè)價(jià)值的實(shí)時(shí)預(yù)測(cè)性數(shù)據(jù)進(jìn)行分析非常關(guān)鍵。

此外，為確保合理分配稀缺的研發(fā)資金，項(xiàng)目組合與產(chǎn)品線(xiàn)相關(guān)的快速?zèng)Q策至關(guān)重要。但制藥企業(yè)經(jīng)常發(fā)現(xiàn)，他們很難做出適當(dāng)?shù)臎Q定。比如哪個(gè)項(xiàng)目該繼續(xù)，或者有時(shí)更重要的是，哪個(gè)項(xiàng)目該砍掉?；谛畔⒓夹g(shù)的項(xiàng)目組合管理能快速無(wú)縫地實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的決策。通過(guò)數(shù)據(jù)分析當(dāng)前項(xiàng)目的商業(yè)開(kāi)發(fā)機(jī)會(huì)，預(yù)測(cè)其市場(chǎng)競(jìng)爭(zhēng)力，幫助企業(yè)客觀地做出決定，以確保研發(fā)投入的合理性。

雖然大數(shù)據(jù)可以有效地幫助研發(fā)人員提升新藥研發(fā)效率，但目前大數(shù)據(jù)技術(shù)還有一些方面需要改進(jìn)。牛津大學(xué)統(tǒng)計(jì)學(xué)教授彼得·多納利指出，目前大數(shù)據(jù)技術(shù)面臨的問(wèn)題有三：首先，信息采集不足。大數(shù)據(jù)要發(fā)揮作用，首先要有足夠的病人、藥物等相關(guān)信息，這是數(shù)據(jù)分析的基礎(chǔ)，然而許多病人可能出于隱私考慮不愿提供這些信息，制藥企業(yè)也有可能因?yàn)樯虡I(yè)利益不愿共享藥物成分等敏感信息，這就直接導(dǎo)致信息采集不足。

其次，要從海量信息中得出有用的結(jié)論，專(zhuān)業(yè)的數(shù)據(jù)分析必不可少，采集到足夠信息后，需要由相關(guān)領(lǐng)域的專(zhuān)業(yè)人士與信息技術(shù)專(zhuān)家一起對(duì)數(shù)據(jù)進(jìn)行有針對(duì)性的歸納和分析，而這種跨學(xué)科、跨領(lǐng)域合作能否順利實(shí)現(xiàn)，是大數(shù)據(jù)技術(shù)實(shí)際應(yīng)用中的重要問(wèn)題，而且正考驗(yàn)著制藥企業(yè)的大數(shù)據(jù)整合能力。

第三，在技術(shù)層面還存在網(wǎng)絡(luò)容量有限的問(wèn)題。很多新藥研發(fā)機(jī)構(gòu)現(xiàn)有的基礎(chǔ)設(shè)施無(wú)法滿(mǎn)足海量信息分析和處理的需求，因此如何降低存儲(chǔ)成本，以及提升應(yīng)用價(jià)值就成為大數(shù)據(jù)所面臨的關(guān)鍵技術(shù)難題。

雖然尚待完善，但毫無(wú)疑問(wèn)的是，大數(shù)據(jù)在新藥研發(fā)中必將發(fā)揮越來(lái)越大的作用。

結(jié)語(yǔ)

從目前來(lái)看，大數(shù)據(jù)的應(yīng)用范圍正在持續(xù)擴(kuò)大，大數(shù)據(jù)的觸角正逐漸深入到各個(gè)領(lǐng)域，同時(shí)也是明天我們治理交通擁堵、霧霾天氣、看病難、食品安全等“城市病”的利器，也會(huì)為政府打開(kāi)了解社情民意的更大窗口。

我們現(xiàn)在看這個(gè)世界，比如分析家中食品腐爛，主要就是依賴(lài)于我們的眼睛再加上我們的經(jīng)驗(yàn)，但如果我們有一臺(tái)顯微鏡，我們一下就看到壞細(xì)菌，那么分析起來(lái)完全就不一樣了。大數(shù)據(jù)就是我們的顯微鏡，它可以讓我們從全新視角來(lái)發(fā)現(xiàn)新的商業(yè)機(jī)會(huì)，并可能重構(gòu)商業(yè)模型。我們的產(chǎn)品設(shè)計(jì)可能不一樣了，很多事情不用猜了，客戶(hù)的習(xí)慣和偏好一目了然，我們的設(shè)計(jì)就能輕易命中客戶(hù)的心窩；我們的營(yíng)銷(xiāo)也完全不同了，我們知道客戶(hù)喜歡什么、討厭什么，更有針對(duì)性。特別是顯微鏡再加上廣角鏡，我們就有更多全新的視野了。這個(gè)廣角鏡就是跨行業(yè)的數(shù)據(jù)流動(dòng)，使我們過(guò)去看不到的東西都能看到了。所以，最終大數(shù)據(jù)一定是跨行業(yè)流動(dòng)的。

然而，我們也應(yīng)該清楚地知道大數(shù)據(jù)在應(yīng)用過(guò)程中尚存在很多問(wèn)題：各政府、各行業(yè)間不公開(kāi)和分享數(shù)據(jù)，造成數(shù)據(jù)之間的割裂，無(wú)法產(chǎn)生數(shù)據(jù)的深度價(jià)值和綜合價(jià)值；很多應(yīng)用系統(tǒng)涉及公民財(cái)產(chǎn)及隱私甚至國(guó)家安全，信息安全問(wèn)題成為大數(shù)據(jù)應(yīng)用重要難題；大數(shù)據(jù)市場(chǎng)尚未形成有效的評(píng)價(jià)、資格認(rèn)證和準(zhǔn)入機(jī)制等。當(dāng)然，最重要的還是有賴(lài)于行業(yè)對(duì)于大數(shù)據(jù)時(shí)代到來(lái)的認(rèn)識(shí)，警惕和應(yīng)對(duì)。

特別鳴謝：本文得到了薛慶女士的大力支持與顧問(wèn)，作為一名具有十幾年實(shí)戰(zhàn)經(jīng)驗(yàn)的海歸北美精算師，她曾就職于美國(guó)藍(lán)盾藍(lán)十字保險(xiǎn)公司，德國(guó)慕尼黑再保險(xiǎn)公司，埃森哲咨詢(xún)。對(duì)大數(shù)據(jù)在健康醫(yī)療保險(xiǎn)領(lǐng)域的全價(jià)值鏈戰(zhàn)略咨詢(xún)、項(xiàng)目分析、數(shù)據(jù)挖掘與決策實(shí)施頗有心得。憑借國(guó)際經(jīng)驗(yàn)與視野，立足國(guó)內(nèi)市場(chǎng)，當(dāng)下薛慶正攜手她的小伙伴們即她在北美曾經(jīng)的同學(xué)、同事組成了一個(gè)專(zhuān)門(mén)開(kāi)發(fā)大數(shù)據(jù)解決方案的團(tuán)隊(duì)。團(tuán)隊(duì)在金融、醫(yī)療及健康大數(shù)據(jù)分析的自有數(shù)據(jù)庫(kù)、外部數(shù)據(jù)庫(kù)調(diào)用、問(wèn)題抽象，數(shù)據(jù)傳輸及清洗，算法，模型等重要環(huán)節(jié)均積累有多年經(jīng)驗(yàn)。團(tuán)隊(duì)目前正針對(duì)中小微企業(yè)及互聯(lián)網(wǎng)公司開(kāi)發(fā)各類(lèi)關(guān)于精準(zhǔn)營(yíng)銷(xiāo)，風(fēng)險(xiǎn)厘定及控制，量化分析、商業(yè)智能等方面的解決方案。她的Email地址是:jackiepgh@sina.com